More researches aimed to acquire re

More researches aimed to acquire relationships between verbs or verb phrases indicating the causal event and effect one. Inui used explicit connective marker tame, such as “because”, “since”, “as the result”, etc., to discover causal relation from two adjacent sentences (Inui, 2005). In this work, Inui further classified the causal relation into four subtypes mainly based on event-agents’ volitionality, which is learned by the Support Vector Machine (SVM) model. The result reported was satisfactory with the precision of about 85%. (Pechsiri, 2007) used verb-pair rules learnt by two different machine learning techniques (NB and SVM) to identify causality from multiple Elementary Discourse Units. The average precision of both models exceed 80%.

ผลลัพธ์ (ไทย) 1:

วิจัยเพิ่มเติมเพื่อจะได้รับความสัมพันธ์ระหว่างคำกริยาหรือกริยาวลีบ่งชี้สาเหตุเหตุการณ์และผลหนึ่ง Inui ใช้เครื่องผ่าชัดเจน สัตว์ป่าเช่น "เพราะ" "ตั้งแต่" "เป็นผล" ฯลฯ การค้นพบความสัมพันธ์เชิงสาเหตุจากสองประโยคติดกัน (Inui, 2005) ในงานนี้ Inui จัดความสัมพันธ์เชิงสาเหตุในสี่ subtypes ตามเหตุการณ์ตัวแทนของ volitionality ซึ่งเรียนรุ่นเครื่องสนับสนุนเวกเตอร์ (SVM) ส่วนใหญ่เพิ่มเติม รายงานผลน่าพอใจ มีความแม่นยำประมาณ 85% (Pechsiri, 2007) กฎกริยาคู่ใช้เรียนรู้ ด้วยเทคนิคเรียนรู้แตกต่างกันเครื่องสอง (NB และ SVM) ระบุ causality จากวาทกรรมระดับประถมหลายหน่วยงาน ความแม่นยำเฉลี่ยของทั้งสองรุ่นเกิน 80%

ผลลัพธ์ (ไทย) 2:

งานวิจัยอื่น ๆ ที่มีวัตถุประสงค์เพื่อที่จะได้รับความสัมพันธ์ระหว่างคำกริยาหรือกริยาวลีที่บ่งบอกถึงเหตุการณ์สาเหตุและผลกระทบอย่างใดอย่างหนึ่ง Inui ใช้อย่างชัดเจนเชื่องเครื่องหมายเกี่ยวพันเช่น "เพราะ", "ตั้งแต่", "เป็นผล" ฯลฯ ที่จะค้นพบความสัมพันธ์เชิงสาเหตุจากสองประโยคที่อยู่ติดกัน (Inui, 2005) ในงานนี้ Inui เพิ่มเติมจัดความสัมพันธ์เชิงสาเหตุเป็นสี่เชื้อตามหลักในตัวแทนเหตุการณ์ 'volitionality ซึ่งเป็นที่เรียนรู้จากการสนับสนุนเครื่องเวกเตอร์ (SVM) รูปแบบ รายงานผลเป็นที่น่าพอใจด้วยความแม่นยำประมาณ 85% (Pechsiri 2007) ใช้กฎกริยาคู่เรียนรู้จากทั้งสองเทคนิคการเรียนรู้เครื่องที่แตกต่างกัน (NB และ SVM) เพื่อระบุอำนาจจากหลายหน่วยประถมวาทกรรม ความแม่นยำเฉลี่ยของทั้งสองรุ่นเกิน 80%

ผลลัพธ์ (ไทย) 3:

วิจัยเพิ่มเติมเพื่อที่จะได้รับความสัมพันธ์ระหว่างคำกริยาหรือคำกริยาวลีที่ระบุสาเหตุเหตุการณ์และผลหนึ่ง นูใช้เครื่องหมายชัดเจนตัวเชื่อง เช่น " เพราะ " , " ตั้งแต่ " , " ผล " , ฯลฯ เพื่อค้นหาความสัมพันธ์เชิงสาเหตุจากสองประโยคที่ติดกัน ( นู , 2005 ) ในงานนี้อินุอิ ต่อไปจัดโครงสร้างความสัมพันธ์เชิงสาเหตุออกเป็น 4 ชนิดย่อยหลักในตัวแทน ' เหตุการณ์ volitionality ซึ่งเป็นการเรียนรู้โดยสนับสนุนเวกเตอร์เครื่องจักร ( SVM ) นางแบบ ผลรายงานก็เป็นที่พอใจกับความแม่นยำประมาณ 85% ( pechsiri ,2007 ) ใช้คำกริยาคู่กฎเรียนสองที่แตกต่างกันเทคนิคการเรียนรู้ของเครื่อง ( NB แล้ว SVM ) ระบุว่า จากระดับวาทกรรมหลายหน่วย ความแม่นยำของแบบจำลองทั้งสองเฉลี่ยเกิน 80%